北京
為什么當下 大語言模型的進化速度已經放緩，而 AI應用火熱？
在文生圖、文生視頻之后，下一個引爆我們想象力的AI技術奇點是什么？
為什么說科技的終極形態，是一場「解壓縮」？
最近， 「十字路口」 播客采訪了混沌學園六期同學、3D大模型公司VAST的創始人&CEO宋亞宸（Simon），播客中他們聊了VAST最新3D生成大模型Tripo 3.0 背后的故事。
宋亞宸， 這位97年出生的創業者短期內已連續融資三輪、每輪數千萬美金。在他看來，大語言模型已經「撞墻」，進化放緩，這才給了應用和Agent繁榮發展的空間。而3D大模型則完全不同，它才剛剛起步，仍是一片藍海。
為什么VAST要一邊研發大模型，一邊自己下場開發應用Tripo Studio？
宋亞宸的AI創業故事或許能讓你有所收獲（
宋亞宸參加混沌學園線下學習
本文轉載自公眾號“十字路口Crossing”，嘉賓：宋亞宸，播客采訪：Koji、Ronghui，整理編輯：Starry，原文排版：NCon
快問快答
Ronghui
大家好，歡迎來到這一期的「十字路口」。本期我們的嘉賓是一位年輕的創業者，3D 大模型研發公司 VAST 的創始人宋亞宸，Simon。8 月底 VAST 發布了最新的 3D 大模型 Tripo 3.0。今天我們邀請他來聊一聊 3D 大模型研發的故事，以及他創業這兩年來的一些思考。我們先進入快問快答環節。
請Simon回答一下：年齡？
宋亞宸
28
Ronghui
畢業院校？
宋亞宸
約翰·霍普金斯大學本科。
Ronghui
你的 MBTI 和星座？
宋亞宸
我是ESTP，星座是雙魚座。
Ronghui
用一句話介紹現在的公司和產品。
宋亞宸
我們公司叫 VAST，是一家做 AI 3D 大模型的公司。我們有一個產品叫 Tripo，輸入可以是文字、圖片或多模態方式，它能輸出完整的3D內容。
Ronghui
融資情況？
宋亞宸
之前融了三輪，每一輪大概在幾千萬美金左右。
Ronghui
團隊規模？
宋亞宸
我們大概 110 多人。
Ronghui
創業之前你在做什么？
宋亞宸
創業之前也在創業。最早在商湯做過一段時間 AI 加動畫、AI 加游戲。2021 年參與創立了 MiniMax，2023 年創立了 VAST。
Ronghui
我們有一個社交破冰環節，用「我是 XX」造句，介紹 10 件關于自己的事。請 Simon 也來體驗一下。
宋亞宸
第一，我是宋亞宸，28 歲，創業者。
第二，我是 VAST 的創始人兼 CEO。
第三，我是一個 Addictive Gamer，非常沉迷游戲。上大學時，床墊都被我打游戲坐出一個坑。
第四，我是一個喜歡旅游的人，去過格魯吉亞、百慕大、古巴、土耳其、摩洛哥等地。
第五，我算是一個跨行業者，本科偏文科，后來轉向 AI，有跨學科的背景。
Koji
我記得你是學神學？
宋亞宸
我是學希伯來語、阿拉伯語的，最早想往這個方向發展。
Koji
那你之前的學習對現在的工作有幫助嗎？
宋亞宸
有。我很多決定都來自于接觸過的人和信息。
第六，我是一個喜歡讀書的人，也喜歡聽書，但目前還不是特別喜歡聽播客。
Koji
你最近讀的一本書是什么？
宋亞宸
最近讀了一本很薄的書，《種樹的人》，是綠洲資本的張津劍送我的，收獲挺大。前段時間也在聽王東岳講《道德經》。
第七，我是一個在意「有趣」的人。無論招聘、交朋友還是和投資人打交道，我都看重對方是不是有熱愛、是不是有眼神發光的時刻。
Koji
你的投資人里誰最有趣？
宋亞宸
這個問題可能會得罪人（笑）。不過我們的大部分投資人都很年輕，愿意投我們，本身就是一種「有趣」。
Koji
你這端水大師。
宋亞宸
第八，我是一個不擅長寫字的人，包括中文和英文。雖然在美國待了八年，但一直不擅長文字表達，所以學文科時很痛苦。比如回微信消息、寫公司全員信、給投資人寫長郵件，我基本都不做。但我擅長聊天。以前在商湯做戰略時，經常要寫 PPT，那段時間非常痛苦，我努力克服，后來發現確實不是我的強項，就放棄了。
Ronghui
那你用 AI 工具寫 prompt 怎么辦？
宋亞宸
也很痛苦。我更喜歡交互的形態。在 3D 時空里，未來不應該需要打字，而是「言出法隨」。比如像原神里漂浮的小助手，可以直接對話生成內容。這才是更自然的交互形態，而不是突然彈出鍵盤打字。我很期待 3D 能盡快實現。
第九，我是一個特別喜歡內容創作的人。從小學就讀各種玄幻小說（唐三、我吃西紅柿、蒼天白鶴、天蠶土豆等），后來讀漫畫，看番劇，打游戲，還寫過玄幻小說上傳到起點。
Koji
能在起點搜到你嗎？用什么名字？
宋亞宸
是一個只有 200 人看過的起點小賬號。
但我確實在商湯做過動畫 IP，做到過百萬粉絲規模。在半次元也做過 KOL。我喜歡做 IP，也喜歡做內容。
Koji
你的粉絲有多少？
宋亞宸
當時幾萬粉絲。
第十，我是一個很想做游戲的人。小學時有一本很破的本子，上面設計了好幾種RPG 游戲，有等級、裝備、背包、探險，還能和同學互相對戰。下課后很多同學會找我玩，就像一個 RPG 一樣。
萬物起源：從小學時收費的RPG，到一個無限世界的夢想
Koji
感覺你在學校里地位很高。
宋亞宸
當你擁有一個系統，等于自己創造了一個小世界，你就成了這個世界里的「神」，有最終解釋權。所以大家會來充值，比如送我香菇肥牛、辣條，或者北京烤鴨那種五毛錢的豆腐干制品，讓我把他們畫得更強一些，很有趣。
Koji
當時通過創造虛擬世界獲得的這些正反饋，和你現在做 VAST 有直接關系嗎？
宋亞宸
我覺得有，我特別喜歡創造和創作，能寫故事、造世界，也喜歡消費別人的故事。這是我最喜歡的事情，因為物理世界有很多限制，更大的世界來自于人的大腦和想象力，那是一個無限的世界。
Koji
我們和 Simon 比較熟悉，除了前面的 10 個，你可以再展示一些我們不知道的？現在請你即興再來一個「我是…」。
宋亞宸
同時，我還是個哥哥。我有一個親弟弟，這對我來說是重要的身份。我們差很多歲，所以我能更好地了解他們那一代人喜歡什么。我們做的產品，終究是面向下一代的。
對他來說，AI是非常自然的。他遇到問題會下意識打開 GPT 或 DeepSeek，而我還是習慣 Google 或百度。他從小就在消費有 AI 參與的內容，對他來說這是再正常不過的。而我小時候接觸的還是文字內容，那時互聯網還不成熟，硬件和帶寬不足，無法支撐高信息密度的載體。雖然 3D 是信息密度最高、最自然的形態，但早期互聯網只能用更抽象、更降維的文字來承載。
所以最早我看小說，用 MP3 在被窩里打著手電筒看，一個 MP3 屏幕只能顯示 10 個字符，看 500 萬字的小說要按 50 萬次。后來移動互聯網出現了，初中時我買了 iPhone4，終于能消費圖片內容，手機也有攝像頭了。再后來到了大學，我們才有更多視頻內容。等到我工作時，短視頻才真正開始流行。
Koji
除了遇到問題時，你會想到用 Google，而你弟會想到用 ChatGPT。你覺得你們之間還有哪些顯著區別？
宋亞宸
比如我很習慣看公眾號，他就不習慣。他更習慣去 YouTube、B 站找答案。對他來說，視頻是信息密度更高的形式，更符合他成長的環境。
Koji
「Born with 3D」的用戶，你們已經在用戶群里看到了嗎？
宋亞宸
是的，年紀更小的用戶中已經有這樣的趨勢。比如我弟的學弟在 B 站做 Up 主，作品是一些我很難看懂的 3D 創作，比如「馬桶人」「監控人」，但能有幾十萬粉絲，有時視頻甚至上百萬播放。你都不知道是誰在消費，但確實有人喜歡。不同代際差異非常明顯。信息載體從文字到圖片、視頻再到 3D，社會形態從工業社會到數字社會再到智能社會，不是一兩年能看出來，但以十年為跨度，變化很大。
Ronghui
那我們具體聊聊你們的 3D 大模型。8 月 20 號發布的 Tripo 3.0，前面提到了對新一代用戶的關注。你能說說這次是為誰設計的嗎？和之前的產品相比，最大的迭代在哪里？
宋亞宸
其實 Tripo 我們已經做了挺久，2024 年初上線，到現在一年半了，也積累了很多用戶。目前全球有三四百萬專業創作者，超過 4 萬家企業客戶，其中 700 多家是大型客戶。大家在用 AI 3D，但之前產品并不算真正的 pipeline-ready，只能在流程的一環里起作用，還需要專業人員修改和精修。
Tripo 3.0 的跨時代意義在于，它第一次達到了可以直接在大多數行業和場景中使用的狀態。比如你買一臺 3D 打印機，放在家里給孩子用，在 Tripo 上生成一個 3D 模型，放進打印機，打印效果就很好，不需要二次操作或修改。你甚至不用關心模型的結構、格式，不需要知道如何修 3D，也不用學習各種 DCC 建模軟件。這些都不是用戶需要關心的。
Koji
2.0 到 3.0 的過程中，你們背后做了哪些工作？
宋亞宸
工作量非常大，涵蓋了更多數據、更優算法以及模塊優化。這是一個系統性工程，而不是解決單點問題。整體上在可控性、成功率、精細度和性能等方面都有顯著提升，尤其是在幾何精細度上的進步尤為關鍵。
Ronghui
Simon 能否給聽眾一些更具象的分析？比如我沒有技術背景，但在錄制前我和 Gemini 討論過你們的資料。以 Tripo 2.0 為例，公開信息提到你們采用了融合 DiT 和 U-Net 模型的復合架構。Gemini 指出這本身就很有挑戰。我想問 3.0 是否仍在使用這一架構？如果是，它的挑戰性體現在哪里？
宋亞宸
3.0 并不是依靠某個單點突破，而是多方面的系統優化。我們研發了一種新的表達形式——SparseFlex（SF）。今年 4 月份我們已開源 Tripo SF，效果相當出色。它顯著降低了生成 3D 模型的成本，提升了生成速度，因為它跳過水密性環節，同時支持在上千空間維度下生成，精細度更高。
你可以把它理解為一種 3D 的 token 表達形式。表達形式越好，壓縮率、還原率和保真度就越高。這樣不僅能支撐更多數據訓練，還能提升生成質量和精度。近期也有類似的表達形式，比如 Mesh、NeRF、近期很火的高斯等，SparseFlex 在 AI3D 訓練中同樣表現突出。
Koji
3.0 發布后，有沒有數據能顯示它給用戶帶來的價值？比如使用量、付費率或使用頻率？
宋亞宸
用戶用量和反饋都顯著提升。我們目前發布的是 Standard 版本，后續還會推出 Ultra 版本，生成效果更好，但生成時間也會更長。
Koji
有沒有 2.5 無法實現，而 3.0 解鎖的應用場景？
宋亞宸
可以這樣理解。我們有一款產品 Tripo Studio，它集合了大量 AI 算法，目標是通過 AI 原生的工作流替代傳統復雜的 3D 制作管線。Tripo Studio 在 5 月 31 日上線后，收入增長超過兩倍。
Koji
我記得你曾在「十字路口」線下活動 「AI 開放麥」現場分享過，有人在歐洲基于 Tripo 3D 的 API 做了「套殼」應用并賺了不少錢。Tripo Studio 是否類似這種模式？
宋亞宸
不完全是。我們希望將其做得更具 agent 化。后續會在系統中增加更多對話框，以及簡單的語言交互和拖拽交互?？梢园阉斫鉃?3D 內容生成后的后續處理：例如，當我生成了一個「80 分」的成果，以前通常在傳統管線中進行二次編輯；現在我們在 Tripo Studio 上完成二次編輯，從而大幅降低編輯的成本、門檻與時間，這正是 Tripo Studio 的意義。
Tripo Studio 帶來了許多全球獨有的新功能。首先是「萬物自動語義分割」（segmentation）。以往生成的 3D 模型往往是一體化的「整體」，無法做二次編輯——類似紋身圖或紋身視頻，生成后沒有源文件，不能在 Photoshop 中分層（layers）編輯。同理，早期的 3D 輸出是一整塊，難以分層處理；而現在，生成的 3D 模型可以自動進行語義分割：系統理解模型的語義后，將其各個部件切分為獨立的塊，并對每個部件自動補全與完善。
舉例來說，若生成一只手拿著一瓶水，系統能自動把水與手分離，水與手各自成為完整獨立的 3D 資產，并被存入資產庫以便替換和復用。這體現了 Tripo Studio 的能力。換言之，Tripo Studio 上線了一整套 AI 算法，定義了 AI 時代 3D 編輯與交互的形態與范式。其中，segmentation 與 part completion 是非常經典的功能，未來也可能出現競品實現類似功能。
Koji
可以把它理解為類似 Canva 推出 AI 時的重要賣點——生成的圖片可以分層（layer）編輯，逐層調整；Lovart 也在強調這一點。
宋亞宸
這確實是一項創新——此前無人做到，我們率先實現。我們還開發了「萬物骨骼綁定」功能。其含義是：生成的 3D 模型原本是靜態的「雕塑」，現在可以自動進行骨骼綁定和蒙皮。除人類模型以外（人類較易處理），系統也支持貓、狗、牛、蛇、魚、龍，甚至章魚、蜘蛛等的自動骨骼綁定與動作生成。例如，生成一條龍后，系統可以在爪子或手指級別完成綁定，從而使其能夠運動。這項能力顯著節省創作時間并降低門檻。
此外，我們還做了低模生成。傳統生成模型面數常達幾十萬乃至數百萬，這在實時渲染場景（如游戲、XR、元宇宙）中對本地性能消耗巨大；而當面數降至幾百或幾千時，計算量顯著減小，能實現實時渲染。為此，我們自研了一套基于自回歸路線的低模生成方法，使輸出模型天然面數較低、實用性更強。
類似功能還包括 Magic Brush 智能筆刷等一系列能力，這些共同構成了完整的工作流。
Koji
我理解這其實是一個戰略性的選擇。因為很多團隊可能會選擇把精力 all in 在基模上，而你們卻花了大量產研時間做 Studio。為什么？
宋亞宸
我們判斷，未來每一個有專業能力的垂直領域大群體，都會擁有一個屬于自己的 AI 工作臺，它要滿足幾個條件：
端到端：能一站式完成完整的創作流程。
高可控性：可編輯的顆粒度要足夠細，才能真正體現創意。
交互形態創新：不再局限于傳統模式。
去年底我們意識到這一點，就投入半年研發，到 5 月 31 日上線了 Tripo Studio 的第一個版本。早期還是雛形，但經過幾次迭代，效果已經越來越好。
模型vs. 工作臺：為什么我們既要造發動機，也要造F1賽車？
Koji
所以你覺得只做基模是不夠的？因為也有人可能會選擇說，我就專注做基模，把類似 Tripo Studio 這樣的工作開放給生態合作伙伴去做。
宋亞宸
嗯，這是個很好的問題。我認為未來一定是基模和 agent （或者叫 workstation）——這兩方面都會做。舉個例子，比如 Cursor，它很可能會做自己的基模。
Koji
所以你覺得這是一個戰略上用作防守的 agent？
宋亞宸
它不是防守，而是一種邏輯。你可以理解為：在做底層大模型的時候，你是在起「新墻」；而在做工程和產品功能的時候，你是在糊「舊墻」。因為你要解決的，恰恰是上一代模型里存在的缺陷。
比如說，上一版模型在人臉生成上的效果不夠好，那如果我要基于這版模型做 agent，我就會重點解決「臉部優化」的問題。但當新一代模型發布，它順帶把人臉問題和其他一百個問題一起解決了，那你之前的努力可能就失效了。
所以，從底層角度看，AI1.0 和 AI2.0 的區別就在這里。AI1.0 時代的核心是很多天才的算法科學家，通過手工調參的方式訓練出一個個小模型，然后用這些小模型去解決各種長尾問題。舉個例子，在計算機視覺時代，我們做智慧城市時，會有一個小模型專門識別垃圾是否被倒在外面，另一個小模型識別監獄里是否有人打架——非常具體、細節的問題。
而在 AI2.0 時代，核心變成了數據驅動。通過海量數據訓練出一個通用的大模型，希望它能泛化地解決所有常規問題。
回到剛才的問題——做底層模型的優勢是一次性解決大部分常規問題。但為什么現在有人在上面做工具、agent、workstation 或者應用？核心原因就是：他們認為 AI2.0 時代死了，所以還是在做 AI1.0 時代的事情。
AI2.0時代的生存法則：語言模型撞墻了，但3D沒有
Koji
你覺得 AI2.0已經「死了」？
宋亞宸
不是我覺得，而是那些在做的人面臨的問題。你仔細想一想，如果AI2.0 還在快速發展，比如GPT-5、GPT-6、GPT-7一路迭代，那么Cursor根本沒有生存空間，因為它依賴解決的那些問題都會被新模型覆蓋掉。很多agent也是這樣，原來填補的是通用模型的缺陷，但隨著大模型升級，它們的價值就消失了。
Koji
所以你認為模型遇到了發展瓶頸？
宋亞宸
不是所有模型，而是語言模型撞墻了。也正因為如此，才會基于語言模型出現了很多垂類應用和agent，因為語言模型的發展速度相對放緩。
但在3D領域，情況完全不同。你很少看到只做應用的人，因為如果沒有自己的大模型，一旦下一代模型發布，你的應用幾乎立刻失效。就像你糊了半天的舊墻，人家直接給你起了個新墻，你的努力就被覆蓋了。
Koji
我理解在大模型還在瘋狂迭代的時候，如果應用公司在上面「雕花」，很可能會被下一次升級直接淹沒。但我想知道，從你們的角度看，作為一家本來做基模的公司，為什么在這個時候你們也要做應用？
宋亞宸
核心在于：我們比別人更清楚下一版模型會往哪里迭代。我們知道哪些地方值得糊舊墻，哪些地方不用護，因為新模型會解決。
這就是我們最大的優勢：一方面，通過做工具或agent，我們能離用戶更近，拿到一線反饋，指導大模型迭代；另一方面，我們又有大模型的積累，清楚模型下一步的方向。兩者結合，就形成了非常好的循環。
Koji
DeepSeek堅決不做任何商業化，即便外界愿意送錢，他們也拒絕，因為梁文鋒認為這會稀釋團隊在追求模型智能邊界上的專注。所以他們的 ToC產品做得很簡單，爆火之后也沒維護，甚至不調機器擴容。他們把所有精力都放在基模上。
而你們的選擇是既做基模，又做Tripo Studio，但你們的「糧倉」沒有 DeepSeek那么充足。在資源有限的情況下，這種戰略選擇的考慮是什么？
宋亞宸
我不覺得這是注意力稀釋。相反，如果只做基模，就會變成一種學術化的「自嗨」。很多東西在論文里可能很火，但和真實用戶的需求并不完全對應。
我們做 AI 不是「拿著錘子找釘子」，而是要從真實問題出發。這也是我們公司的特別之處。上次分享時我提到過，我們最早做的是一個3D的 TikTok。但我們遇到了一個「墻」：想做3D UGC的生態和社區，但發現現實里根本沒有3D的 UGC，只有PGC。為什么？因為缺少大眾級的創作者工具。
就像如果沒有輸入法，就很難有文字的 UGC；如果沒有手機攝像頭，就很難有圖片和視頻的 UGC。那在 3D 里，缺的就是一個大眾級的創作工具。所以我們才去做 AI 3D 大模型，目標是降低創作門檻和成本。這個初心很重要，我們做這件事是為了解決真實存在的問題，和用戶、創作者在一起，看看我們的方案是否真的奏效。
換句話說，從第一天開始，我們就不是一家「拿著錘子找釘子」的公司。很多大模型公司是先有技術，再去找應用場景；而我們是一開始就看到了用戶的需求和痛點，所以才決定做大模型。
Koji
所以一開始你們真正的「釘子」，就是要做一個3D UGC的社區。
宋亞宸
沒錯。我們的目標就是做一個大眾級的創作者工具，讓每個人都能零門檻、零成本、實時地創作3D內容。
Koji
所以現在其實 Tripo Studio 也是服務這個人群的嘛？
宋亞宸
現在暫時不是。你可以理解為 Tripo Studio 目前還是服務于專業用戶，面向的是 PUGC 或者 PGC。我們希望下一步逐步去犧牲一部分創作的可控性和編輯的顆粒度，但換來的是大量的內容范式和模板。有了這些范式和模板，每個人都能參與到創作當中。
比如大學生用 Tripo Studio 沒問題，但如果是小學生，或者讓我外婆來用，難度還是比較大。我們真正希望實現的是零門檻、零成本的實時 3D 創作。一旦做到這一點，就有機會出現 UGC 群體。
Koji
是什么原因讓你認為未來會是人人都要做 3D 呢？這是不是有點非共識？因為拍照片、拍視頻很自然，但 3D 是更高維度的藝術創作，好像不是每個人都會主動想去做的事。
宋亞宸
其實你剛說的「自然」也就存在不到十年。拍視頻、拍照片成為日常也只是近十年的事情。在短視頻出來之前，我們一年能看幾部電影？在小紅書和 Pinterest 之前，一年能逛幾次畫廊？在微博、貼吧、Twitter 出現之前，一輩子能讀幾本書？
回到 3D，在 3D 的 UGC 內容平臺出現之前，其實每個人都在打游戲了。王者榮耀 2015 年發布第一年就有 1 億 DAU，十年后依舊保持 1 億 DAU，這就是全民級產品。今天游戲的全球市場規模大約 2600 億美金，已經是出版社、畫廊、電影市場加起來的兩到三倍。
同理，我認為未來的 3D UGC 內容平臺會是 Twitter、微博、小紅書、抖音、快手、TikTok、Snapchat、Instagram 所有平臺總和的兩到三倍。
Koji
你暢想的未來 3D UGC 這個平臺上面消費的內容主要是什么呢？游戲？
宋亞宸
這是個好問題。就像短視頻剛出現時，你問大家會消費什么？當時沒有短視頻的概念，只有電影和視頻，所以當我們說要做一個 UGC 視頻平臺的時候，大家一般只能想到電影。
同樣，現在大家提到 3D 可交互內容平臺時，只能想到游戲。但其實未來的形態一定更豐富。就像現在在 B 站，電影在所有視頻里只是很小的一部分，短劇的市場已經超過電影。
所以我相信，今天我們玩的所有游戲——不論是咸魚之王、三消、原神、王者榮耀還是刺激戰場——未來都會只是「3D 可交互內容」大品類下面的一個小分支，屬于精英級的藝術形式。
Ronghui
你剛才講到這里，我想請你幫大家科普一下：訓練一個 3D 大模型和訓練常規大語言模型相比，挑戰主要在哪里？
宋亞宸
我們常用「AI 三要素」來說明問題：如果把 AI 比作養一匹馬，需要三個條件。
第一，馬要吃草——草料對應數據；
第二，馬要有優秀的馴馬師——這對應人才和算法；
第三，馬要有跑馬場——這對應算力。只有同時具備數據、算力和優秀的算法（或科學家），才能訓練出高水平的 AI。
在 3D 領域，這三要素與語言大模型存在顯著差異。首先是數據。互聯網早期只能支撐低信息密度的內容，因此網絡上積累了海量可供爬取的文字數據。但 3D 領域的互聯網尚未成熟，缺乏公開的大規模數據集，這帶來了天然的瓶頸：數據從何而來？
目前我們擁有全球最大規模的高質量 3D 原生數據集，大約 4,000 多萬個樣本，接近《黑神話：悟空》中「猴子」那類 3G 模型的級別，作為訓練基礎。這一點極為重要。相比之下，其他大廠或競爭對手的數據量級大多停留在百萬級，而我們是全球唯一達到千萬級乃至數千萬級的團隊。
Koji
這是為什么呢？是不是有些數據即使有錢也買不到？
宋亞宸
這是個好問題，這屬于我們的核心機密（笑）。
第一在「草料」層面，我們確實比別人更充足，這一點非常關鍵。
第二是「人才」。我們團隊有五六十位來自清華的博士，都是極為頂尖的科學家。要組建這樣的團隊并不容易。語言模型在過去幾年相對是顯學，聚集了大量做 NLP 的研究者，OpenAI 也長期深耕這一領域。但 3D 是一個全新的交叉學科，結合了 AI 與圖形學，本身缺乏長期積累。很多研究者進入該領域不過一兩年。
舉例來說，兩年前在圖形學頂會 SIGGRAPH 上，仍能看到大量計算機視覺（CV）相關的論文；但如今在計算機視覺頂會 CVPR 上，已有 Best Paper 與 3D 強相關。說明 3D 正逐漸成為前沿方向，也導致早期人才嚴重不足。
因此，在人才方面尤為重要。正是憑借這幾十位優秀的算法科學家，我們才能持續迭代出全球領先的算法。這是一件極為難得和寶貴的事情。能否做到這一點，取決于是否足夠早地進入賽道，并且下定決心去投入。早期進入意味著能夠更早發現并吸引人才，把他們凝聚為團隊，從而快速推進。數據的積累也與時間早晚相關，但并非完全決定性。
第三是「跑馬場」，即算力與資金。我們目前是賽道中融資規模最大的公司之一，估值也在最高的行列。擁有充足資金儲備、大規模數據集以及頂尖科學家，理論上就能產出優秀的大模型。但其中依然存在運氣因素。正如我之前提到的，要找到「綠洲」，并不是商隊越大就越容易。
Ronghui
如果回顧過去兩年的歷程，你會如何劃分關鍵節點或階段？比如在什么時間點決定要做 Tripo Studio，并且要盡快做好？這個過程中是否也包含了一些關鍵人物或關鍵判斷？
宋亞宸
這件事可以這樣理解：我們過去兩年只做了一件事。公司在 2023 年成立，2023 到 2024 年唯一的目標就是把技術做到全球最前沿的水平。我們確實有競爭對手，但觀察下來，許多對手在早期投入大量精力在產品層面。而我認為，早期產品的本質其實是技術，而不是表層的功能。
舉個例子：如果你的手機攝像頭是 720P，而我的已經是 1080P，那么你在 720P 上疊加各種人像、全景、紅外等功能其實沒有意義。你真正該做的，是盡快提升到 1080P 甚至 4K，而不是糾結那些附加功能。增加功能不是產品的本質，技術才是。
因此，在過去兩年里，我們公司很長一段時間甚至沒有產品經理，大部分代碼都是 CTO 親自編寫的。
Koji
但現在你們做 Tripo Studio，是暗含著你判斷 3D 大模型做到 「1080P」 已經撞墻了？但這個時候你們稀釋精力去做應用、而不是深耕基模，你會不會擔心有一天競爭對手卻搞了個 「4K」 的基模出來？
宋亞宸
這與撞墻無關。我們計劃同時推進所有方向。
Tripo Studio 最初的設想是先做 UGC 版本，即零門檻、零成本、實時創作 3D 內容的產品，面向真正的UGC。
但為何先做 PGC？原因在于早期階段 UGC 與 PGC 在生成質量（例如從 10 分到 80 分）上都有需求；當模型達到 90 分或更高時，UGC 與 PGC 的需求會出現分化：UGC 更關注速度與能否快速動起來，而 PGC 更看重精細度，例如拓撲結構與布線等。
因此早期的目標是確保至少能生成可簡單調整的內容，于是我們先推出面向 PGC 的 Studio，優先服務現有用戶，再逐步覆蓋原生用戶（即此前未進入生產管線但因 AI 得以參與生產的人群，例如無 3D 能力的 AI 原生用戶也能參與生產）。我們的策略是先服務現有 PGC 用戶，將整體能力提升至八九十分水平，然后再考慮如何服務 UGC 與 PUGC（半專業用戶）。
為此，去年年底至今年，我們組建了約二十余人的產研團隊，專門解決產品與工程問題，支持用戶做調整與預設。例如支持模型風格化（可上傳圖片提取風格）、對稱性設置、T-pose 與 A-pose 等多項功能。
我們認為首要任務是先把現有的 PGC 用戶服務好，隨后逐步泛化至 PUGC 與 UGC。在泛化階段，除了工程與產品外，運營與增長同樣重要。目前我們尚未大規模開展運營與增長工作，原因是現有專業用戶高度關注我們的產品改進，且產品差異明顯、信息較為透明；因此用戶會在效果提升時自發使用。
但 PUGC 與 UGC 用戶不會持續關注大模型性能的細微提升，此時需要通過增長、BD（商業拓展）或運營來傳達產品價值。增長的關鍵情形包括：一是存在信息差，需要主動告知用戶；二是產品逐漸同質化，需要通過品牌與運營建立差異化。鑒于當前我們仍具差異化優勢且專業用戶無信息差，運營與增長將成為下一階段的重點工作。
Koji
你會不會擔心，做一個 Tripo Studio 這樣的復雜產品，目標只是去了解用戶，這條路徑其實有點太費勁了？畢竟為了實現「更了解用戶」的目標，你們可以通過用戶調研，還可以通過與基模上面的應用開發者們合作。
宋亞宸
當你在做底層大模型的時候，幾乎沒有直接意義上的用戶。你的用戶是 ToB 企業，你必須和這些 B 端客戶溝通，需要依靠他們去獲取用戶反饋。
Koji
但理論上來說，你也可以直接去找到他們的用戶，雖然可能不會那么直接方便，但花一些精力也并非不可能拿到聯系方式。
宋亞宸
我還是那句話，關鍵在于初心的不同。我不了解 DeepSeek 的初心是什么，也不清楚 Kimi 的初心是什么。每家公司的目標可能都不一樣。我們之所以做這件事，并不是為了什么 AI、3D、AGI，而是出于一個明確的初心：我們希望推動 3D 內容的 UGC 。
我們觀察到創作者群體，尤其是大眾創作者，缺乏一款大眾級的 3D 創作工具，所以我們希望去打造這樣一個平臺。這是我們最核心的出發點。
正是因為這個初心，我才去做這件事。不能「因為有了餃子所以才包醋」，而是反過來，我們是因為這件事本身有價值，才出發去做。
Koji
確實，一個公司的愿景選擇，以及在這條路上的戰略定力，都非常重要。
Koji
聽起來 Tripo Studio 上線后數據表現不錯？剛才你提到它已經貢獻了超過一半的收入。前面提到，你們做 Tripo Studio 的目標是拿到更多用戶反饋。那么到目前為止，你有沒有通過它獲得一些新洞察？
宋亞宸
我們其實有一個叫「CEO Program」的項目，即 Chief Experience Officer Program。
Ronghui
你們訪談了很多用戶？
宋亞宸
對，目前大概有一兩千位用戶被訪談，他們來自各種不同的領域，使用場景也非常多元。讓我意外的是，很多真實的應用場景在我做產品之前完全沒想到。最初我們設想的使用方向是游戲、動畫和 3D 內容創作。但后來發現，很多人把它用在設計上，例如 3D 打印、工業設計。于是我們逐漸把定位擴展為 3D 內容、3D 體驗、3D 設計。
除此之外，還有大量用戶來自藝術領域，尤其是藝術院校的畢業生。他們用它來做畢設，涉及當代藝術、裝置藝術、景觀藝術、新媒體藝術等。過去他們不具備 3D 創作能力，現在通過生成式 3D 工具就能實現。
還有一些殘障用戶，他們借助 Tripo Studio 表達自我、進行創作。再比如 XR 應用群體，這類用戶非?；钴S，但過去我們關注更多集中在 XR 硬件，而較少注意到軟件和應用層面。實際訪談才發現，全球有很多活躍的 XR 開發者，他們每天都在創造各種有趣的東西：3D PPT、3D AI 繪本、小游戲等等。
因此我們意識到，3D 生成不僅僅是 UGC，更可能催生新的玩法。在游戲行業里，已經很久沒有新的玩法出現了，近十年可能只有《自走棋》算是一個新玩法。而 3D 生成卻提供了大量新的交互和玩法可能，這是我之前沒有想到的。
科技的終極形態，是一場「解壓縮」
Koji
這些都是 Tripo Studio 上線之后你才發現的嗎？
宋亞宸
上線后，大家開始廣泛使用，有人通過 API，有人通過 SaaS。但本質上，這背后反映的是 AI3D 已經成為理所當然的能力。
過去大家覺得文生文、文生圖、文生視頻理所當然，如今同樣覺得文生 3D 也是自然的。但仔細想想，從「空無」到「憑空生成一個東西」，這件事本身就像魔法一樣。
第二點是技術迭代太快。新奇觀感層出不窮，人們來不及細想，這其實是人類兩三年前才剛發明的技術，如今已能在產業里規?；瘧?。要知道，電燈、冰箱等發明出來三年時，遠沒這么快進入大規模落地。而今天，AI3D 已有幾百萬用戶、四萬多家企業在使用。這在我看來非常了不起。
更重要的是，它拓展了大眾的能力邊界。拍照、拍視頻、寫文字，這些大眾原本就能做到，而 3D 建模過去只有專業人才可以完成?，F在每個人都能「憑空造物」，這不是小事。
舉個例子：菜單的演變。
在打字機之前，全是手寫菜單。
有了打字機，才有了印刷菜單。
有了手機攝像頭，菜單上開始配圖。
現在掃碼點餐，甚至直接在 iPad 上操作。
那為什么菜單不能是 3D 的？如果餐廳能直接展示 10 個人點的 50 道菜，以 3D 模型呈現份量和擺盤，就能立刻判斷夠不夠吃。但傳統3D建模成本太高，不現實。今天如果只要每年付幾十塊，就能擁有一個3D點餐系統，餐廳當然愿意買單。
同樣，廣告牌、名片也完全可以變成 3D。過去互聯網形態是文字、圖片、視頻，但本質上這是對世界的降維抽象，是科技不夠成熟的權宜之計。當科技足夠發達，交流和表達自然會回歸到最接近真實的 3D 形態。
Koji
我覺得這描繪了一個很有想象力的未來。今天我們看短視頻而不是 3D 內容，只是因為技術、帶寬和設備算力的限制，本質上還是在對世界做「壓縮」。
宋亞宸
對，「壓縮世界」這個說法特別準確。
Koji
回到我之前的問題。你提到做 Tripo Studio 是為了獲得用戶認知，幫助模型更好迭代。那經過幾個月運營，你們拿到了哪些以前沒有、必須通過 Tripo Studio 才能得到的認知？
宋亞宸
其實有很多。我們內部有一個需求池，上面有上百條需求，分 P1、P2、P3 等優先級。
舉幾個例子：
有用戶希望能編輯貼圖，于是我們研發了智能筆刷。
有用戶想改幾何，卻不知道如何下手，于是我們探索能否用自然語言直接編輯幾何。
有人希望模型有更好的拓撲結構，于是我們開發了重拓撲功能。
有人追求更好的硬表面、更清晰的拐角，我們針對性優化了算法。
有人希望保留貼圖筆觸、改善 UV 完整性，我們也在做專項研發。
這些細碎的需求，推動了我們快速迭代。另一方面，大模型的更新也自然解決了很多問題，比如人臉精細度、硬表面表現、PBR 支持、貼圖質量等。
所以最終還是一句話：一切都是為了服務用戶和創作者，而不是服務我們自己。
Ronghui
這個世界其實是在壓縮的過程中，而你們在做的事情是讓它「升維」。聽起來是一條比較挑戰的路。你相信當工具越來越簡單時，人們真的會選擇去做升維的創作嗎？
宋亞宸
我更愿意稱它為「解壓縮」。人類之所以一直在壓縮，是因為受制于帶寬、算力等技術條件。舉個例子，早期的游戲只能做低模，因為畫面更精細的高模跑不動，所以大家只能玩《傳奇》那種畫質很糙的游戲。但隨著技術發展，我們能做出《黑神話：悟空》，面數比以前高幾十倍甚至上百倍，本質上就是「解壓縮」帶來的返璞歸真。
社交平臺的演變也是這樣：從推特、微博到小紅書，再到抖音、TikTok，其實是信息表達逐漸解壓縮的過程。人類最初就是以 3D 的方式表達自己，比如雕像、圖騰，然后才有壁畫，再到文字。雕像的信息密度最高，但不便于攜帶；文字密度低，卻能更好地傳播，這是科技條件決定的?；ヂ摼W其實也遇到同樣的問題——幾個 B 的數據容易傳播，幾個 G 的就困難，3D 可能要幾個 T，就更難了。
所以我認為科技的發展方向不是繼續壓縮，而是讓我們逐步解壓縮，直到最終能直接處理「源文件」。那源文件是什么？就是 3D。視頻本質上只是從 3D 世界里取一個角度、一段時間，但 3D 才是完整的源文件。所以我相信，互聯網最終會走向一個人人都能享受源文件的時代。
Koji
你平時最關注哪家競爭對手的新聞？
宋亞宸
最近混元3D做得挺好，我們也在關注。
Koji
有沒有哪些競爭對手是你們比較尊敬的？
宋亞宸
我們當然尊敬所有競爭對手。
長遠來看，彼此可能并非單純競爭，而是競合關系。因為初心不同：有的團隊希望做到最前沿的技術，有的則希望通過技術影響行業，還有的專注于工具本身。比如某些大家熟悉的公司，他們目標與我們并不一致。以我所知，目前所有競爭對手當中，沒有人真正想做我們正在做的事情。所以最終，大家還是會走向不同的道路。
Koji
你們想做的，就是一個面向 UGC 的 3D 創作者社區。
宋亞宸
是的。我們定位很明確，就是服務創作者。創作者需要社區，我們就通過社區來服務；他們需要平臺，我們就通過平臺來支持。換句話說，我們的目標是建立一個完整的網絡，而不僅僅是提供某種單點工具。你剛才提到「解壓縮解到底」，這形容得很貼切，我們正在做的正是這樣一件事情。
Koji
難道其他友商不是也在服務創作者嗎？
宋亞宸
不太一樣。比如有些公司主要服務游戲公司，他們會根據游戲公司的需求去提供定制化的解決方案。還有的專注于工具本身。但我們希望構建的是一個社區和平臺，這是完全不同的路徑。這件事的難度極大，投入也需要長期堅持，不可能短期內完成。
Ronghui
那你怎么看待商業化？聽起來，服務游戲公司似乎是更接近收入的模式。
宋亞宸
我并不認為服務游戲公司就更接近商業化。觀察下來，全球范圍內長期服務游戲公司的公司，其實過得并不算特別好。你可以試著舉反例：是否有哪家公司因為專注于服務游戲公司而發展得特別成功？幾乎很難找到。換句話說，toB 的路徑在這個行業里并不算最理想。
Ronghui
那你們自己的商業化路徑是什么樣的？過去兩年是否按計劃推進，還是有一些意外？
宋亞宸
我認為在早期，商業化的本質并不是「商業化」本身，而是產品。就像之前談到的，早期產品的本質不是功能，而是技術。只有當產品真正具備足夠的差異化，商業化才有堅實的基礎。
具體來說，增長和 BD 在兩種情況下最有價值：第一，當產品高度同質化；第二，當用戶之間存在巨大的信息差。如果這兩點都不成立，那么最核心的任務就是把產品打磨得更好。對我們來說，現在更重要的不是多招 BD、陪客戶吃飯，或者通過買廣告來做增長，而是讓產品本身更強。等進入下一個階段，再討論商業化的方式更為合適。
Koji
所以可以理解為，你們覺得現在的產品還不夠好，不值得大規模推廣？
宋亞宸
這不是「產品不夠好，所以不能推廣」，而是「讓產品更好，比推廣更關鍵」。比如英偉達，他們的產品非常強大，但并不依賴銷售團隊去推動商業化，也不需要天天往字節、百度去推銷。對他們來說，持續把產品做得更好，比額外的推廣方式更合理。我們也是一樣：當客戶沒有明顯的信息差，而產品又足夠差異化時，最優解就是繼續強化產品，而不是優先做 BD 或買流量。
Ronghui
我注意到你在幾次采訪中都提到，每年年底會和團隊分享愿景。你說每年講的內容其實差別不大。能不能具體談談，在創業兩年多以來，哪些東西一直沒變，哪些又發生了變化？
宋亞宸
我們每年大約在三月中旬會做一次全員分享。我通常只需要把去年的 PPT 截圖放到新的版本里，再稍作更新，就能繼續講。這是因為愿景和核心路徑幾乎沒有變化，只是往前推進了一年，完成了更多目標。
Koji
所以，你們的天使輪BP和現在相比，變化并不大？
宋亞宸
嚴格說，我們天使輪階段并沒有正式的 BP，但內部分享時用的 PPT 與現在相比，并沒有太大差別。
Koji
很有意思。我最近聽到一個故事：王慧文去見某位創業者，讓他拿出四五年前的天使輪 BP，再對比今天，看哪些改變了，哪些沒變。結果發現轉型之后變化不少。
宋亞宸
我們這方面很簡單，因為幾乎沒有變化。每當我想調整愿景時，團隊往往會反對。所以愿景和路徑一直保持穩定。團隊成員對愿景和路徑有強烈的認知和認同感，這也是我們凝聚力的來源。我們幾乎沒有人才流失，原因就在于大家對這條長期主義的道路充滿信心和熱愛。半年后，我會做第四次分享，我希望那時仍然在講同樣的內容。
Koji
那這種持續的認同感從何而來？是因為大家本身就是產品的潛在用戶，期待用上這樣的產品？還是因為其他原因？
宋亞宸
部分同事確實是潛在用戶，另外一部分則是因為親眼見證了愿景逐步實現。很多事情的發展速度甚至比我們當初設想的還要快。這種「故事逐漸成為現實」的過程本身就非常有力量。五年前我們講的愿景，如今每年都有新的進展能印證它，這讓團隊深受鼓舞，也進一步堅定了大家的信心。
歡迎來到第四產業：當價值的唯一衡量標準是「體驗」
Koji
能不能描述一下，如果你的愿景真的實現了，那會是怎樣的一幅畫面？
宋亞宸
我們通常說人類社會經歷了農業時代、工業時代，再到服務業，形成了所謂的三大產業。但我認為，其實還存在「第四產業」——內容產業。它的核心在于創造內容與體驗。
未來，人類在物理世界中能夠創造的價值會越來越有限。因為幾乎所有物理價值（physical value）都將由機器人完成。換句話說，很難再找到「人能做而機器人不能做」的事情。既然如此，人類的價值從何而來？我認為答案在于「創意」。
如何衡量創意的價值？可以用一個指標來定義：所有人在我創造的內容和體驗中停留的時間總和，就是我在這個世界上創造的價值。
Koji
這聽起來很像你小時候在學校設計的那些游戲，吸引同學們課間來找你玩。
宋亞宸
這里的「內容和體驗」不一定是游戲，它可以是任何形式?？赡苁且黄饘?、狂歡，可能是冥想和探索。我無法預測未來人們具體會選擇什么，但可以確定的是，人類天性追求「極致的體驗（optimal experience）」。當人們擁有足夠多的選擇、甚至無限的選擇時，他們就能憑借「用腳投票」的自由，找到屬于自己的極致體驗。
那如何實現無限的體驗？答案是 UGC 與 AIGC 工具。UGC 提供源源不斷的創作，而 AIGC 工具則使創作效率成倍提升。以抖音為例，短視頻內容接近于無限，加上推薦算法的加持，用戶體驗自然更佳。這種機制本質上也非常公平——人們用「時間與注意力」投票，決定了哪些內容更有價值。
因此，未來最富有的人，很可能不是掌握最多土地或資本的人，而是最具創意的人。他們能創造出一個世界，讓所有人都愿意在其中停留。甚至可能只是一個看似簡單的「小偷模擬器」，卻因為帶來獨特的體驗，吸引無數人沉浸其中。
這種價值的核心依然是「體驗」。推薦算法如果更優，就能更精準地將用戶與內容匹配；算力如果更強，就能提供更流暢的使用感受。美劇《上傳人生》（Upload）里就有一個場景：在虛擬世界里，充值少的人體驗會卡頓，而充值多的人則享受極致流暢。未來的世界，很可能也會是類似的邏輯。
當算力、推薦算法和內容創作工具（比如 Tripo、Midjourney 等）結合在一起時，人們就能源源不斷地產生新的內容，并在其中沉浸。那些擁有更強創意、掌握更好工具和更多算力的人，就會創造出真正讓大眾快樂的體驗。而這，也將成為未來新的財富與價值來源。
Ronghui
你這兩年 AI 創業的個人體感是什么？
宋亞宸
我覺得非常幸運。我們有一些資源可以冷啟動，但又不是過多，不至于被資本的「資源詛咒」困住。歷史上沒有哪家偉大的公司誕生在資本市場極度繁榮的時候。今天的環境剛好能保持合理的饑餓感，這是值得感恩的。
Ronghui
那如果你能對兩年前剛決定創業的自己說一句話，你會說什么？
宋亞宸
我會說：「你真牛，真有勇氣。創業是對的，選擇得很正確?！?/p>
Koji
所以你在創業過程中受過什么苦嗎？
宋亞宸
當然。創業每天都有各種問題要解決，這是必然的。
Ronghui
那你是怎么化解這些痛苦的？
宋亞宸
我會玩游戲，比如《龍與地下城》。
當物理世界是你全部的世界時，痛苦就會占據全部人生。但如果物理世界只占 50%，另一半由虛擬世界填充，那么痛苦的比例就會減少。
如果你如此注重神創造的世界，那神創造的世界就會左右你所有的心情。但當你還有很多人創造的世界的時候，那么神創造的世界只是你人生中的一部分。
Ronghui
我記得你在另一場采訪中提到過，你是一個非常需要虛擬世界的人。
宋亞宸
對，必須的。我覺得其實每個人都需要，只是很多人現在沒有意識到。
Ronghui
感謝 Simon 跟我們分享了關于 3D 大模型、工具與創業的思考，非常精彩。
Koji
謝謝，期待下次再來。
宋亞宸
好，拜拜。
今天，混沌APP播客功能正式上線！
國慶假期來咯！
不知道此時的你，正身處何方？
是踏上旅途，在飛馳的高鐵上望向窗外掠過的風景；
是回到故鄉，沉浸在熟悉的鄉音與團圓的飯菜香里；
還是選擇一處安靜的角落，終于讓自己慢下來，好好休息。
無論你怎樣度過假期，我想告訴你：混沌為你準備了一份特別的禮物。
10 月 1 日，播客功能正式上線，我們精心策劃了8大免費播單，陪伴你度過這個假期。
也許你正需要安頓內心，那么《內在覺醒——從焦慮中長出心力》會讓你重新找到秩序感；
也許你偏愛宏大的歷史與思想，《文明的坐標——理解東西方思想的源流》會帶你穿越千年；
又或者你正在思考未來，《超級個體之路——打造你的個人品牌力》會幫你把經驗變成影響力。
我們常常覺得，聲音有一種獨特的力量。
它不占用你的眼睛和雙手，卻能在走路、旅行、做家務或臨睡前的片刻，為你打開一個獨立而充實的世界。
這個假期，或許不足以行萬里路，但一定足夠讓你通過這些播單，體驗不同的人生，收獲一份真正的“獲得感”。
現在起，進入混沌 App 首頁，點擊專屬活動入口，即可免費解鎖全部 8大播單。
除此之外我們為新用戶準備特享福利：即刻加入混沌，暢享15天VIP特權，解鎖700+精選好課，覆蓋商業、心理、科技等多個領域；享受專屬學習福利，收獲實用知識與成長靈感。
祝你假期愉快！
精選限免好內容，查看下方長圖↓↓↓
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
